图像分割技术之迭代算法在杂草识别中的应用

计算机图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像分割技术是图像处理之基本技术,图像分割就是在一幅影像中查找同类的区域。图像分割的应用范围涵盖了图像噪声的过滤以及特征的提取和识别。在介绍图像分割的主要特征的基础上,针对农田杂草识别中图像分割特点,提出了应用迭代算法的分割方法,并开发了相应的软件。实验验证该方法用于农田杂草识别前的图像的二值化处理,能够很好地消除图像噪声,得到连续的图像边界,可以有效地实现图像的二值化处理,为后续的杂草识别打下良好的基础。     

基于图像优化分割技术的植物病虫害区域智能检测

在对植物病虫害区域进行智能检测的过程中,容易出现噪声干扰,导致传统的的植物病虫害区域智能检测方法由于对噪声特别敏感,易受到干扰,无法有效实现植物病虫害区域的智能检测,提出一种植物病虫害图像优化分割方法,将病虫害直方图划分为目标与背景两组,在两组数据的类间方差达到最大时,对最佳分割阈值进行计算,依据该阈值完成图像分割。采用一种新的概率模型对分割后各植物图像区域的杂波分布进行准确估计,完成对其的归一化处理。针对经归一化处理后植物病虫害区域的各个像素点,完成对噪声的检测。仿真实验结果表明,所提方法能够有效的完成植物图像背景与病虫害区域的分割,具有很高的性能。     

光谱指数测量中窄带图像的光强自适应分割方法

[目的]本文对作物冠层区域的光强自适应性分割算法进行了研究,旨在消除光谱指数测量过程中土壤背景的干扰,克服现有光谱检测方法对结构光的依赖性。[方法]采用加装窄带滤光片的2个相机组建测量系统,并对相机的几何安装参数进行标定;将窄带图像灰度直方图的波谷灰度值与最大灰度值的比值作为归一化阈值,实现窄带图像分割的光环境自适应性。在实现近红外窄带图像中土壤和冠层分割的基础上,通过几何变换推算出可见光波段窄带图像的冠层区域,从而实现可见光窄带图像的分割。[结果]在80～140 cm高度内,每隔10 cm设置1个测量高度,每个高度采集5组平均株高为25 cm的绿萝冠层窄带图像(770和660 nm),安装660 nm滤光片的相机在完成图像采集后,将滤光片换成770 nm重新拍摄5张照片,作为660 nm图像分割效果的参考图像。结果表明:660 nm图像的分割区域与参考图像的分割区域平均重合度大于99%。同时计算了光照度为10 000～26 000 lx时拍摄的50幅绿萝770 nm窄带图像的非归一化阈值和归一化阈值,其与光照度的相关系数分别为0.586 6和0.091 6。[结论]本文提出的基于归一化阈值的分割方法对光环境的变化具有很强的适应性,综合归一化阈值和几何变换可以实现窄带图像的分割,为构建消除土壤干扰的归一化植被指数(normalized difference vegetation index,NDVI)等光谱指数提供有效的基础数据。     

农机装备物联网技术研究现状与展望

目前,我国农机装备物联网存在高端传感器国产化程度低、无线传输稳定性差、全局化机群调度难的问题。本文从农机作业智能感知技术、农机装备信息传输技术和农机作业数据处理与决策技术等方面对国内外研究现状进行综述,阐述作物信息、环境信息、农机作业状态信息和农机识别等智能感知技术的成果,分析车载物联技术和远程物联技术的研究进展,此外还论述了农机作业智能决策技术在农机作业异常检测、作业质量评价和农机调度方面的技术突破以及农机装备远程监管平台的应用现状并分析各环节待解决的问题。在此基础上提出农机装备物联网技术未来的发展方向及应用前景,即农机高端传感器研发、基于5G的新一代移动互联技术研究、基于大数据和机器学习的智能决策技术、多机协同与智慧农场应用。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

智能除草装备苗草模式识别方法研究

精准苗草识别是靶向施药除草装备作业基础。为提高识别算法精度及效率,解决光照变化对识别图像分割精度影响,文章优化研究分割算法,引入加权系数,提高算法光照适应性;根据作物线性分布生长特点,采用烟花智能群体算法,对垄间杂草与作物识别与定位;田间图像采集与试验结果表明,加权分割方法可有效解决光照变化对分割效果影响,实际作物与垄间杂草识别率为98.7%和89.5%,满足苗草识别与导航要求,对导航技术与智能除草装备发展具有重要意义。     

行播作物农田图像边界提取研究

[目的]找寻一种适于行播作物农田图像边界提取的方法。[方法]依据农田图像的特点,通过试验对比确定适合于行播作物农田图像边界提取的方法。[结果]在分析农田图像特征的基础上,选择适宜的颜色特征2g-r-b作为彩色图像的分割特征。为了实时导航,应采用固定的分割阈值。选取0.11作为超绿特征的分割阈值效果比较理想。对分割后的图像进行了中值滤波和区域填充处理可去除噪声和孔洞的影响。[结论]处理后的图像效果基本能够满足要求。     

基于改进区域生长的木材导管形态特征提取方法

基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材,对木材科学和产业具有十分重要的意义。提出了一种基于改进区域生长的木材导管形态特征提取方法:采用分治策略改进区域生长法实现木材横切面显微图像中导管细胞的快速分割,用链码跟踪技术提取了10个导管细胞的形态特征;选取了6种阔叶材树种的横切面显微图像进行仿真实验。实验结果显示:本文方法能提高导管细胞的分割速度;所提取的10个形态特征在给定的树种显微图像上具有较高的区分度,说明将本文方法用于阔叶材树种智能识别具有较强的可行性。      

基于Android的农机调度与管理平台设计与应用

随着农业机械化的深入发展,农机规模作业和跨区域作业已成为趋势,农机现有作业模式面临着严峻挑战,农机主与农田主之间存在缺乏信息共享问题,造成农机资源配置不合理.本研究基于Android手机建立了农机调度与管理平台.该平台使用Java语言进行开发,运用UI交互方式对APP界面进行设计.在农机上装配基于STM32单片机的GPS定位系统,并调用百度地图软件的API将农机的位置信息通过GPRS传送到服务器写入数据库,实现了农机的数据采集及管理调度.该平台能实现农机共享,具有较好的应用前景,也为基于大数据的农机农田管理提供研究基础.     

基于时空立方体的农机运动轨迹分割方法

为了深入挖掘海量农机运动轨迹的应用价值,提出基于时空立方体的农机运动轨迹分割方法。基于农机作业的历史轨迹数据,以全球导航卫星系统(Global Navigation Satellite System,简称GNSS)定位设备记录的每个轨迹点为中心建立时空立方体。通过研究农机作业与道路行驶时空立方体的密度阈值,分离田间作业轨迹和道路行驶轨迹。为了验证算法对农机实际作业轨迹数据的分割效果,通过遥感卫星地图数据目视解译法进行对比分析,采用马修斯相关性系数(Matthews correlation coefficient,简称MCC)及正确率进行量化评估。结果表明,农机运动轨迹分割结果的MCC均值为82. 10%,正确率均值为97. 98%,算法准确率高,且对参数的设置不敏感,能够实现农机运动轨迹数据的有效分割,为农机作业面积和作业效果评估提供数据支持。     

基于区域分割匹配的图像识别方法研究

提出了一种基于区域分割匹配的图像识别(RegionRec)方法,能从复杂的图像中识别对象。该方法通过简化的脉冲耦合神经网络(SimPCNN)对识别对象的模型图像和测试图像进行彩色图像分割,然后在它们之间进行基于区域的匹配。为了减少光强度影响,引入了一种基于归一化RGB的颜色空间变换。该方法使用一系列自适应阈值,以去除离群点。实验结果表明:RegionRec方法具有可接受的识别结果,而且与现有的方法相比,基于区域分割匹配的图像识别RegionRec具有较高的识别准确率。     

基于图像识别的无人机精准喷雾控制系统的研究

【目的】针对传统的植保无人机喷雾作业时化肥农药浪费大,利用率低,造成环境污染的问题,研制一种基于图像识别的无人机精准喷雾控制系统。【方法】利用中值滤波算法对田间航拍图像进行去噪,采用分层K_means硬聚类算法实现对农田航拍图像的分割,提取非作物区域的颜色、纹理特征空间的22个特征参数,设计支持向量机分类器进行分类识别。根据优选的17个特征参数,利用以径向基函数作为核函数的支持向量机对非作物区域图像进行识别,并根据识别结果控制喷头,实现精准喷雾。【结果】测试样本的识别率可达为76.56%,在无干扰风场情况下,当P_阀为10%时,减施率可达32.7%。【结论】本系统为农业航空精准喷雾控制技术的应用提供了参考方向和决策支持。     

基于双阈值分割的苗期杂草识别算法

提出了一种基于双阈值分割的苗期杂草识别算法。首先通过2个阈值分割得到2幅分割图像,再结合形态学操作融合2幅分割图像后进行识别得到作物图像;参考现有除草剂喷洒方案将作物图像分为6行8列的子区域,根据每个子区域是否有作物像素点决定是否喷洒除草剂。结果表明,该方法基本上实现了苗期杂草的防治,并节省了45%左右的除草剂。     

基于多颜色通道组合的UVI空间农作物阴影去除方法

为了有效地解决基于机器视觉的农业机器人在作业任务中受阴影对农作物识别造成的干扰问题,提出一种基于组合的颜色空间,通过较简单的分割方法可以在组合空间中消除阴影。该方法首先将RGB颜色空间下的图像转换到LAB、YUV和HSI中,获得图像在每个颜色空间中的分量;然后利用直方图、熵值、均方误差和峰值信噪比分析各颜色通道特性,选择合适的颜色通道进行组合。对组合颜色空间进行仿真数据分析,筛选出适合于农田环境下阴影去除的UVI空间。通过与包含阴影的不同颜色空间中的图像进行对比试验,说明颜色空间可以经较简单的算法实现图像中阴影的去除,证明该颜色空间对农田环境下阴影去除的有效性、抗干扰性。     

郑州农机智能化和智慧农业应用的发展分析

农业是国民经济的基础产业,计算机信息技术的发展,为农业现代化提供了技术支撑。在乡村振兴战略背景下,社会各界开展大数据、物联网、遥感技术、通信技术等现代信息技术在农机装备的应用,无人插秧机、植保无人机、智能灌溉系统等智能化装备为农业发展创造了有利的条件,实现了农田精准作业、精准养殖、农机智慧管理等目标。郑州市是国家第一批发展智慧农业的试验区,通过探讨郑州市农机智能化和智慧农业应用现状,对全国智慧农业的发展具有参考意义。     

一种多种方法相结合的多目标识别方法研究

采用了多种图像处理及目标特征识别方法相结合同时对多个目标进行识别。首先采用了阈值分割、数学形态学方法来分割目标图像,为了获得较完整的目标区域,又使用了基于模糊集理论的区域扩张方法来再次分割目标图像。然后,计算多目标的扩展不变矩特征值。最后,为实现图像快速、并行、准确的识别,并利于大量图像样本的存储,建立了神经网络识别系统。通过Pioneer3DX机器人平台实验,该方法可以在室内环境下同时对多个目标进行快速、准确的识别。     

复杂背景下油茶果采收机重叠果实定位方法研究

油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6％,比Hough方法低5.1％;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础.     

基于RGB植被指数的大田油菜图像分割定量评价

以自然光下大田油菜幼苗图像为研究对象,运用超红指数ExR、超绿指数ExG、超绿超红差分指数ExGR、归一化植被指数NDI、植被提取颜色指数CIVE、植被指数组合COM等6种常用植被指数和阈值算法分割具有阴影区域的大田油菜图像,同时试验中引入定量评价标准客观评价常用RGB空间植被指数的分割效果。结果表明:定性分析中COM指数优于其他5种植被指数,能够减少阴影带来的分割影响,并在局部叶片分割试验中保留完整叶片轮廓;定量分析中COM指数提供最佳分割精度、灵敏度和特指度分别为94.1%、97.2%、90.9%,其相应标准差为1.1、1.3和0.06。     

基于改进语义分割模型的无人机多光谱图像杂草分割

杂草与作物争夺肥料、阳光等养分，从而影响作物生长，快速有效地清除杂草危害对提高作物的产量和品质具有重要意义。传统的杂草防治方法常采取大面积喷洒除草剂等措施，无法满足智慧农业的精细化管理要求，精确、可靠的杂草检测是智能除草的关键。在卷积神经网络模型PANet的基础上进行改进，把原始特征提取网络ResNet替换为DenseNet-121,采用FPA模块提供像素级注意力信息，通过金字塔结构增加感受野。以无人机多光谱糖菜杂草图像为研究对象，分别构建近红外790 nm、红色690 nm和归一化植被指数NDVI的训练数据集进行网络训练。发现PANet的训练精度为97.38%,测试精度为93.41%;采用3通道（近红外790 nm+红色690 nm+NDVI）训练的模型F₁值最高为0.872。结果表明，该方法可以实现无人机多光谱图像杂草的有效分割，可为农田杂草精确检测和农作物生长状况监测提供参考和借鉴。